ingeniørdebat.dk
Velkommen,
Gæst
. Venligst
log ind
eller
registér
dig. Modtog du ikke en
aktiverings-e-mail?
1 Time
1 dag
1 uge
1 måned
Altid
Log ind med brugernavn, kodeord og sessionslængde
Nyheder:
efter 5 år får Ingeniørdebat.dk
nu en ansigtsløftning
Hjem
FORUM
Hjælp
TinyPortal
Søg
Kalender
Log ind
Registrér
ingeniørdebat.dk
»
Ingeniørdebat
»
Computer
(Moderator:
Mikael Boldt
) »
OCR-scanning af gotiske bogstaver
Statistik
Medlemmer
Total antal medlemmer: 680
Sidste:
JillPoate9
Statistik
Total antal indlæg: 15979
Total antal emner: 1400
Flest online idag: 49
Flest på samme tid: 479
(21, September 2024 - 03:32)
Brugere online
Besøgende: 0
Gæster: 40
I alt: 40
« forrige
næste »
Udskriv
Sider: [
1
]
Forfatter
Emne: OCR-scanning af gotiske bogstaver (Læst 21579 gange)
Morten Jødal
Senior
Indlæg: 4.596
OCR-scanning af gotiske bogstaver
«
Dato:
27, Juli 2012 - 02:30 »
Jeg har en ret stor ældre tekst (udsnit af en bog), som jeg gerne ville have OCR-scannet.
Desværre er bogen så gammel, at den er trykt med fraktur (gotiske bogstaver).
Jeg har gjort et umiddelbart forsøg med min HP F2100 multiprinter, og det blev selvfølgelig langtfra brugbart. Lidt over halvdelen af bogstaverne blev genkendt korrekt, nogle blev konsekvent misforstået (v blev til b, s blev til f), og resten kunne slet ikke læses.
Dette - ikke uventede - resultat afføder flere spørgsmål:
1. Hvordan bærer OCR-programmet sig ad med at finde den rette font? Ligger det i selve programmet, eller har det på en eller anden måde adgang til de installerede fonte i min computer?
2. Hvis det sidste er tilfældet, kan man da finde en brugbar frakturfont på nettet? Jeg har to: Old English MT og Old Christmas - men ingen af dem er "rigtig" fraktur, bl. a. bruger de begge det "normale" s, ikke det "f uden tværstreg", som den originale fraktur anvender undtagen ved dobbelt-s, hvor så nr. 2 bliver "normalt".
Det skal lige siges, at jeg anvender den software, der blev leveret med printeren/scanneren. Men jeg har også mulighed for at komme til en dedikeret scanner, der nok vil kunne fungere med et fremmed OCR-program - hvis dette så er mere fleksibelt.
Dette leder mig til spørgsmål
3: Findes der OCR-programmer, der enten kan anvende en fremmed skrifttype, eller som man kan lære tegngenkendelse?
Det OCR-program, jeg bruger til den dedikerede scanner, kan også læse og fortolke visse typer billedfiler, bl.a. TIFF - et tredjepartsprogram, der kan dette, kan naturligvis også bruges, hvis de øvrige krav er opfyldt.
Jeg skal tilføje, at mit behov er meget sporadisk - så det kan let ende med, at jeg simpelthen tyr til en afskrift i stedet, selv om det er mange sider. Og jeg vil på ingen måde betale mange penge for et professionelt program.
Jeg tænker i freeware/shareware.
Logget
Mvh. Morten Jødal
Morten Jødal
Senior
Indlæg: 4.596
Sv: OCR-scanning af gotiske bogstaver
«
Svar #1 Dato:
01, August 2012 - 17:48 »
Det lader ikke til at nogen i dette forum har dybdekendskab til OCR-teknologi.
Jeg har nu selv prøvet med min anden scanner og dens medleverede OCR-program ABBYY Fine Reader. Resultatet var bedre, men på ingen måde godt. Specielt de store bogstaver genkendes dårligt, og da jo navneord blev skrevet med stort dengang, var der mange af dem!
Alt i alt er det ikke godt nok til at være nogen reel hjælp. "Det høje s" bliver naturligvis også til f.
Så jeg prøver et nyt spørgsmål:
Har nogen af jer kendskab til et mere nørdet softwareforum, hvor der er mulighed for at få svar på spørgsmål, der går bag programmet?
Logget
Mvh. Morten Jødal
efry
Senior
Indlæg: 278
Sv: OCR-scanning af gotiske bogstaver
«
Svar #2 Dato:
01, August 2012 - 22:33 »
Jeg har for mange år siden arbejdet lidt med OCR. Her opdelte vi hvert tegn i relativt få felter, hvor vi i hvert felt angav såkaldte kontrastgrænser, dvs om man gik fra sort til hvid eller hvid til sort i feltet og ligeledes retningen af grænsen, defineret som lodret, vandret eller skrå (højre og venstre). F. eks blev et 1-tal og et 7-tal adskildt fra hinanden ved at 7-tallet havde vandrette kontrastgrænser for oven og flere skrå end lodrette kontrastgrænser til højre, hvorimod 1-tallet havde lodrette kontrastgrænser til højre og ingen eller højst en enkelt vandret kontrastgrænse for oven. Det kom aldrig til at fungere perfekt, især fordi farvebåndet i skrivemaskiner, der anvendtes den gang, ofte var meget slidt og typearmene kunne være ret beskidte. Dette gav anledning til en del støj, men trods dette kom vi da op på ganske acceptable genkendelsesrater for især tal.
Jeg ved ikke hvordan de nuværende OCR-programmer virker, men jeg tvivler på, at de foretager genkendelsen udelukkende ved at sammenligne bitmønsteret af det læste bogstav med det idelle bitmønster for de kendte bogstaver. Der må være andre teknikker, der anvendes. Genkendelsen kan jo ikke foretages på basis af de fonte, der tilfældigt er installeret på computeren, da det skannede dokument næppe er udskrevet med computeren, for var det tilfældet, ville det ikke være nødvendigt med OCR.
Min ganske vist sparsomme erfaring med OCR og skanner siger mig, at skannerens opløsning på standard 300 dpi giver mange fejllæste bogstaver, hvorimod 600 dpi eller 1200 dpi giver et væsentligt bedre resultat. Min erfaring gælder kun ved normale latinske bogstaver.
Mit OCR-program viser i redigeringsmode den skannede tekst ved siden af den genkendte tekst, og genkendelsen fejler næsten udelukkende der, hvor der er fejl i skanningen forårsaget af dårligt farvebånd eller urenheder på papiret. Det ser imidlertid ikke ud til at det afhænger af den anvendte font.
Du skal nok have fat i et OCR-program, som er designet til at genkende gotisk skrift, men så kommer vi nok over i noget professionelt software, som sikkert er ganske dyrt.
Logget
Bent Andersen
Gæst
Sv: OCR-scanning af gotiske bogstaver
«
Svar #3 Dato:
02, August 2012 - 09:05 »
En søgning på "ocr fraktur" giver en henvisning til programmet "Tesseract". Måske det kan bruges?
http://de.wikipedia.org/wiki/Tesseract_%28Software%29
MvH,
Bent.
Logget
Morten Jødal
Senior
Indlæg: 4.596
Sv: OCR-scanning af gotiske bogstaver
«
Svar #4 Dato:
02, August 2012 - 13:19 »
Tak til både efry og Bent for brugbare svar.
Jeg kan kun undre mig over, at jeg ikke selv havde fundet på at google OCR fraktur
Jeg har nu gjort det, og kan se at Tesseract 3 specifikt angives at kunne læse dansk fraktur.
Mange tak!
Også firmaet ABBYY, som har lavet mit ene OCR-program, har et specialudviklet produkt til fraktur, men jeg vil prøve Tesseract først, da det er freeware - det andet program kan man tilsyneladende få på prøve, men ellers koster det penge (jeg har ikke set på priser).
Efry, ved du hvordan OCR-programmer behandler tekst, hvor linierne ikke er scannet helt lige?
Begge mine programmer genkendte mange af tegnene (omend ikke mange nok), selv når bogen lå lidt skævt på scanneren.
Min dedikerede scanner går forøvrigt op til 3200 dpi i opløsning, og det kan godt vælges i OCR-programmet. Men det har jeg ikke eksperimenteret med.
Logget
Mvh. Morten Jødal
efry
Senior
Indlæg: 278
Sv: OCR-scanning af gotiske bogstaver
«
Svar #5 Dato:
02, August 2012 - 21:42 »
Nej, det ved jeg ikke meget om, men rent logisk må programmet starte med at finde de områder, hvor der findes tekst, og derefter identificere de enkelte tegn, dvs. at finde de enkelte linier og dernæst mellemrummet mellem de enkelte tegn. At identificer de enkelte linier må være ret simpelt selv om de ikke er vandrette. Lidt sværere må det være at identificere de enkelte tegn, da de ikke med moderne skrifttyper er adskilte med lodrette hvide linier. Med skrivemaskinskrift og sandsynligvis også med dine skrifter, der sikkert er sat med enkelte typer af bly, vil det være ret simpelt at identificere mellemrummene mellem de enkelte bogstaver også selv om disse mellemrum vil være en anelse skrå (jeg går ud fra, at der ikke er tale om noget, der nærmer sig 45 grader).
Nu har man så en repræsentation af hver enkelt tegn og skal herefter blot bestemme, hvilket tegn, det drejer sig om, og her vil en vinkeldrejning på nogle få grader ikke have nogen betydning. Tænk på, at også kursivskrift skal kunne genkendes.
Jeg har dog ingen som helst viden om de algoritmer, der anvendes ved konverteringen fra glyf til tegn, og jeg vil derfor ikke kloge mig på det område.
Logget
John Larsson
Senior
Indlæg: 979
Sv: OCR-scanning af gotiske bogstaver
«
Svar #6 Dato:
23, August 2012 - 08:10 »
Jeg havde en gang et ret dyrt DOS-program, som kunne fortolke stort set hvad som helst bare selve trykket ikke varierede, altså at et "W" altid så ens ud! Man fortalte blot programmet hvad det enkelte bogstavsbillede forestillede og så fortolkede den videre indtil der kom et ukendt bogstavsbillede. Den klarede fint forskellige skriftstørrelser inden for visse grænser, men fx kursiv, fed og understreget måtte den have som regel have som særskilte fonts.
Logget
Alex
Debattør
Indlæg: 51
Sv: OCR-scanning af gotiske bogstaver
«
Svar #7 Dato:
01, September 2012 - 11:53 »
1) Programmet benytter de fonte du har på din PC. Men det er lidt afhængig af hvilken software du benytter.
2) Du kan helt sikkert finde en font på nettet, men du skal oftest betale for den. Der findes hjemmesider der hjælper dig med at finde den rigtige font, enten ved at du skal vedhæfte et billede med lidt tekst skrevet af fonten (f.eks en scanning af din bog), eller du skal afkrydse forskellige måder dine bogstaver er formet på.
3) De dyrere OCR programmer er meget gode til at genkende fonte og specifikke bogstaver. Første gang programmet støder på et ukendt tegn, angiver du så hvad tegn det er og (i den perfekte verden) genkender programmet så alle lignende symboler. Det kræver dog at dine scanninger er perfekte og f.eks ikke bøjede i bogens margen ind mod samlingen af siderne. En rimelig besværlig opgave! Især hvis du skal passe på bogen og ikke vil mase den for meget.
De dyre scannerprogrammer er desværre meget dyre!
Alternativt, kan du benytte Adobe Acrobats indbyggede OCR genkendelse, men den beholder de scannede sider som billeder og gemmer blot informationer om hvad der står i bogen, så teksten er søgbar.
Jeg vil dog tro du derefter kan eksportere teksten til Word, men jeg er ikke sikker på at formateringen af dokumentet følger med!
Omnipage Pro har rigtig mange år på bagen som OCR software.
http://shop.nuance.com/DRHM/store?Action=DisplayCategoryProductListPage&SiteID=nuanceeu&Locale=en_GB&categoryID=14130500
http://ocr-software-review.toptenreviews.com/
Logget
Udskriv
Sider: [
1
]
« forrige
næste »
ingeniørdebat.dk
»
Ingeniørdebat
»
Computer
(Moderator:
Mikael Boldt
) »
OCR-scanning af gotiske bogstaver
Seneste Debatindlæg
Hvor er Morten Jødal ?
af
Uffe Kaagaard
[27, September 2024 - 11:57]
8000 grise dør hvert år..
af
jj-
[17, September 2024 - 20:05]
STORE og små tal.
af
jj-
[11, September 2024 - 19:31]
Moderate eller Immoderate...
af
jj-
[04, September 2024 - 20:06]
Cities - The main cause o...
af
jj-
[29, August 2024 - 20:16]
Climate Scientist_ Global...
af
jj-
[14, August 2024 - 20:36]
IPCC Generalsekretær adva...
af
jj-
[04, August 2024 - 11:19]
Årsagen Til Global Opvarm...
af
HVH
[03, August 2024 - 07:22]
Talforståelse
af
Uffe Kaagaard
[22, Juni 2024 - 20:45]
Frygtens karrusel
af
jj-
[18, Juni 2024 - 20:18]
Carbon Capture fejlslutni...
af
jj-
[21, Maj 2024 - 17:45]
Bønder & Byfolk
af
jj-
[21, April 2024 - 19:51]
Human Development Index
af
jj-
[28, Marts 2024 - 19:50]
Troværdig eller utroværdi...
af
jj-
[11, Marts 2024 - 20:15]
Alkylatbenzin
af
SuperClaus
[10, Marts 2024 - 20:22]
Google ads:
DR-Nyheder
Norge overvejer hegn langs landets grænse mod Rusland
Mindst 56 personer har mistet livet under voldsom orkan i USA
Ti personer meldes dræbt i russisk angreb på hospital i Ukraine
Netanyahu: Drabet på Nasrallah var nødvendigt
Zelenskyj: Trump støtter Ukraine i krigen mod Rusland
Tokyos pandaer skal retur til Kina før tid - tusindvis mødte op for at sige farvel
Joe Biden kalder drab på Hizbollah-leder retfærdigt
Nasrallahs død vil blive hævnet, siger Irans ayatollah
Studerende skal kunne 'låne' både autister, transkønnede og flygtninge
Amnesty: Saudi-Arabien udfører dødsstraf i et uset højt omfang
Nyfødt løve kom til verden foran besøgende i Zoologisk Have
Sundhedsstyrelsens nye prioriteringer får kritik af Psykiatrifonden
Mindst 45 personer har mistet livet efter voldsom orkan i USA
Sydafrikansk politi indleder menneskejagt efter masseskyderier
Kvinde har mistet livet i brand i København
Dopingappel overrasker verdensetter
Ni migranter mister livet ud for De Kanariske Øer
Mand sigtet i dødsulykke er udskrevet fra hospitalet og skal i dag i nyt grundlovsforhør
Brand i København er slukket
Slut med billetter til 99 kroner: Det bliver dyrere at rejse til Bornholm
Nyt fra ing.dk
1904: »Amerikanerne er overfor legemligt arbejde et dovent folkefærd«
Hvad sagde han, Misse?
Caledonean Sleeper holder sovevognskulturen i hævd
Holder »imponerende« godt: En af Danmarks ældste elbiler kører stadig i bedste velgående
Forsinket brintrør kan smide millionforretning på gulvet
Her er Ingeniørens bud på årets Nobelpriser
Ud med pen og papir i retssager: Nyt program gør obduktioner mere forståelige
AI-rådgiver for USAs præsident: »Når man øger forståelsen, sænker man frygten«
Podcast: Johnny redder København, når skybruddet rammer
Meta skal betale kæmpebøde for sjusket sikkerhed: Facebook-koder var ikke beskyttet
Borgmester føler sig trådt på af regeringen: »Vi vil ikke være atomlosseplads«
Starlink-antenner angiveligt fundet i russiske kamikazedroner
EU undersøger kinesisk bilsoftware: Teknologien kan misbruges, lyder det fra Vestager
Millioner af Kia-biler stod pivåbne for nummerplade-hack
Regeringen: Ekspertgruppe skal undersøge hårdere krav til sikring af kulturarvsbygninger
Leder: Nedtur for grønne teknologier er åbenlys: Klima-hockeystaven er brækket midt over
Update: Se hvordan træ, hamp og tegl kan gøre byggeriet mere klimavenligt
Region Syddanmark vil rydde ud i ‘garagefirmaer’ efter hackerangreb
Forskere: Klimatilpasning kan blive trækplastre for sygdomsbærende myg
Læs papirudgaven af Ingeniøren
Professor på Digital Tech Summit: AI-våben kan marginalisere mennesket
Forskere langer ud efter CO2-fangst: Skader mere end det gavner
Lader op på 15 minutter: Her er Sjællands nye milliardinvestering i batteritog
Tænketank forarget over privacy-darling: »Mozilla gør det, fordi man er på røven«
BigTech sætter atomkraft til at fodre strømslugende AI
Odense får mere letbane trods milliarder i minus: »Ingen alternativer kan måle sig«
Nu skal OpenAI tjene penge: Nedlægger non-profit-bestyrelsen
Utæt tag, revnede vinduer, nedfaldne facadesten: Ny prestigeskole bliver en halv gange dyrere til fejlretning
It-problemer spænder ben for dankortet: Banker overskrider nye krav
Regering ignorerer advarsler om ‘pivringe’ samfundsøkonomi: »Vi skal have bygget en motorvej«
Dansk sikkerhedsekspert: Kinesiske kameraer udgør ingen risiko
Politikere frygter AI kan true Danmarks klimamål: Vil have ministre på banen
Klistrer sammen: 1.000 vinduer skal skiftes ud på nyt supersygehus efter to år
Er vi midt i et tech-kup? Det mener fremtrædende Stanford-direktør, som er klar til at forbyde nye teknologier
Vi glemte coronakrisen: Myndigheder på bar bund med forsyningssikkerheden
Danmark halter bagud: Opsætning af nye vindmøller er gået næsten i stå
Se listen: 50 konsulenthuse høster milliarder fra it-myndighed
Amerikansk vandværk ramt af cyberangreb: Overgik til »manuelle operationer«
CrowdStrike »beklager dybt« verdensomspændende nedbrud
To medarbejdere stopper i Cowi efter 'Den Sorte Svane': Blev ført bag lyset
Konsulenter scorer kassen på skats it-kaos: Koster en milliard om året
Flyvende hybrid: Svensk elfly erstatter gasturbinen med turboprop
Oliestaten Danmark til debat: Er Nordsø-eventyret en god eller dårlig forretning?
Højintensiv forhandling om brintprojekt til milliarder: Det endelige design splitter parterne
Forbudte elbiler og walkie-talkies: Vi er vidne til våbenliggørelsen af al teknologi
Digital Tech Summit: AI-projekter skuffer topledere
Ny podcast: Stanford-direktør har skrevet bog om tidens tech-kup, og hvordan vi tager magten tilbage fra Musk & Co.
USA vil forbyde kinesisk bilsoftware
Brintproducent kræver handling: »Byg nu første etape af brintrøret«
Forsinket elforbindelse koster staten milliarder: »Ærgerligt og surt«